prosiding seminar nasional hasil-hasil penelitian ...raditya faisal waliulu 1*, kusworo adi 2,...

Prosiding Seminar Nasional Hasil-Hasil Penelitian Pascasarjana, SPS UNDIP

Semarang, 22 November 2016

i



ii

PROSIDING

SEMINAR NASIONAL HASIL-HASIL PENELITIAN PASCASARJANA

PENINGKATAN KUALITAS PENELITIAN UNTUK MEMPERKUAT PUBLIKASI

INTERNASIONAL


ISBN : 978 - 602 - 60921 - 4 - 4

TIM EDITOR :

Penanggung jawab :

1. Prof. Dr. Ir. Purwanto, DEA

2. Prof. Dr. Rahayu, SH, M.Hum

3. Dr. Tri Retnaningsih Soeprobowati, MApp.Sc

Ketua : dr. M. Sakundarno Adi, M.Sc, Ph. D

Anggota :

1. Dr. Hartuti Purnaweni, MPA

2. Dr. Hadiyanto, MSc

3. Dr. Suryono, S.Si., M.Si

4. Dr. Ir. Jaka Windarta, MT

5. Dr. dr. Selamat Budijitno, M.Si. Mes., Sp.B(k) Onk

6. Dr. Asep Yoyo Wardaya, MSi

7. Dr. Retno Kusumaningrum, S.Si., M.Kom

8. Fauziyah Mastuti, SAP, MSi

HAK CIPTA 2016, SEKOLAH PASCASARJANA UNIVERSITAS DIPONEGORO SEMARANG Jl. Imam Bardjo, SH No. 3-5 Semarang Telp : 024 8318856, 8442990 Fax : 024 8449608 Email : [email protected] Diterbitkan oleh : FKM UNDIP PRESS Jl. Prof. Soedarto, SH, Tembalang Semarang 50275 Telp. 024-7460044 Email : [email protected] Hak cipta dilindungi Undang-Undang Dilarang mengutip atau memperbanyak sebagian atau seluruh isi buku, tanpa izin tertulis dari penulis dan penerbit

mailto:[email protected]



v

DAFTAR ISI

KATA PENGANTAR ........................................................................................................... iii

DAFTAR ISI........................................................................................................................... v

SAMBUTAN KETUA PANITIA.......................................................................................... xii

SAMBUTAN DEKAN ........................................................................................................... xiv

PEMAKALAH UTAMA

MELEMBAGAKAN IPTEK PERGURUAN TINGGI DALAM MENGHADAPI

PERSAINGAN GLOBAL

Dr. Agus Indarjo, MPh............................................................................................................. 1

ARAH PENELITIAN DAN PENGEMBANGAN ENERGI DI INDONESIA

Ir. Dede Ida Suhendra, MSc ..................................................................................................... 11

PENGUATAN PENELITIAN DAN PUBLIKASI ILMIAH PASCASARJANA

YANG BERORIENTASI GLOBAL DAN BEREPUTASI

Prof. Dr. Ir. Purwanto, DEA .................................................................................................... 27

TOPIK I : SAINS (Peternakan, Pertanian, Perikanan, Kimia, Biologi, Lingkungan dll)

KUALITAS AIR BERDASARKAN INDEKS SAPROBIK DAN INDEKS PENCEMARAN

DI KAWASAN BUKIT CINTA DANAU RAWAPENING, KABUPATEN SEMARANG

Siti Mudhakiroh, Tri Retnaningsih Soeprobowati, Fuad Muhammad , Sri Utami ................. 40

PEMBERDAYAAN KELOMPOK USAHA RUMAH JAMUR DALAM PEMBUATAN .

BIBIT JAMUR TIRAM DI PALOPO

Nururrahmah, Idawati Supu ..................................................................................................... 46

DAYA HAMBAT EKSTRAK PANGSA KULIT BUAH DURIAN (DURIO

ZIBETHINUS) TERHADAP PERTUMBUHAN BAKTERI KERINGAT

Hasrianti, Elon Biring .............................................................................................................. 51

UJI PENGARUH MIKROBA TERHADAP PESTISIDA DALAM SKALA

LABORATORIUM

A. Kurnia, E.S. Harsanti, R. Hindersah, P. Setyanto ............................................................... 55

DISTRIBUSI UNSUR MIKRONURIEN MN DAN FE DI LAHAN SAWAH DATARAN

TINGGI KABUPATEN WONOSOBO

Cicik Oktasari Handayani, Sukarjo..........................................................................................

61

DISTRIBUSI RESIDU KLORDAN, HEPTAKLOR, DDT DAN LINDAN DI LAHAN

SAWAH DAERAH ALIRAN SUNGAI SERAYU HILIR KABUPATEN CILACAP

Sukarjo, Ina Zulaehah an Poniman .......................................................................................... 66



vi

SEBARAN SENYAWA POPS LINDAN DI AIR DAN LAHAN PERTANIAN DAS

CITARUM TENGAH KABUPATEN CIANJUR

Mulyadi, Duri, dan Es.Harsanti ............................................................................................... 72

SEBARAN DAN STATUS HARA MIKRO BESI (FE) DAN MANGAN (MN) DI

LAHAN SAWAH DATARAN RENDAH KABUPATEN CILACAP, JAWA TENGAH

Wahyu Purbalisa, Anik Hidayah, Slamet Rianto ..................................................................... 78

PERTUMBUHAN ECENG GONDOK DI DANAU TOBA KABUPATEN SAMOSIR

Naema Siahaan, Tri Retnaningsih Soeprobowati, Hartuti Purnaweni ..................................... 82

DAMPAK MERKURI TERHADAP KUALITAS AIR SUNGAI PESAGUAN

AKIBAT KEGIATAN PENAMBANGAN EMAS TANPA IZIN DI KECAMATAN

MATAN HILIR SELATAN KABUPATEN KETAPANG KALIMANTAN BARAT

Siti Wardiyatun, Purwanto ....................................................................................................... 88

UPAYA PEMBERDAYAAN MASYARAKAT DALAM RANGKA MEWUJUDKAN

KONSEP KAWASAN INDUSTRI BERWAWASAN LINGKUNGAN

DI KECAMATAN PRINGAPUS KABUPATEN SEMARANG

Anandha Wien Dinasty, Purwanto dan Didi Dwi Anggoro .....................................................

92

PENGARUH PENGALAMAN DAN AUDIT FEE TERHADAP KUALITAS AUDIT

DENGAN INDEPENDENSI SEBAGAI VARIABEL MEDIASI Gunawan Wibisono, Riana Sitawati

dan Sri Harjanto ............................................................. 98

POTENSI HABITAT KOMODO (VARANUS KOMODOENSIS, OUWENS 1912)

DI PULAU ONTOLOE SEBAGAI DESTINASI EKOWISATA DI KEPULAUAN FLORES

Ignatius Antonius Mboka Segu Wake, Tri Retnaningsih Soeprobowati, Jumari .................... 103

KOMPOSISI FITOPLANKTON DI TELAGA PENGILON, DIENG INDONESIA

Kenanga Sari, Tri Retnaningsih Soeprobowati dan Jafron Wasiq Hidayat ............................. 107

STRUKTUR KOMUNITAS FITOPLANKTON TELAGA WARNA DIENG

JAWA TENGAH

Muhammad Hadi El Amin, Tri Retnaningsih Soeprobowati ................................................... 113

KOMUNITAS FITOPLANKTON DI TELAGA MENJER, DIENG, JAWA TENGAH

Geyga Pamrayoga, Tri Retnaningsih Soeprobowati ................................................................ 118

STRUKTUR KOMUNITAS FITOPLANKTON DI TELAGA CEBONG DIENG

KAB. WONOSOBO

Muhammad Alam Dilazuardi, Tri Retnaningsih Soeprobowati .............................................. 123

PENERAPAN PENGELOLAAN TANAMAN TERPADU (PTT) TERHADAP

KANDUNGAN LOGAM BERAT (PB, CU DAN CD) TANAH SAWAH IRIGASI

Hindarwati Y, A. Supriyo, dan R. Nurlaily ............................................................................. 127

RESIDU ORGANOKLORIN PADA SERUM DARAH PETANI DI KOTA BATU

PROVINSI JAWA TIMUR

Anik Hidayah, Ukhwatul Muanisah dan Prihasto Setyanto..................................................... 133



vii

ANALISIS PENGARUH KEBIJAKAN HUTANG DAN PROFITABILITAS

TERHADAP HARGA SAHAM DENGAN KEBIJAKAN DIVIDEN DAN

NILAI PERUSAHAAN SEBAGAI VARIABEL MEDIASI

Muksan Junaidi, Heru Sulistyo dan Sri Harjanto ..................................................................... 139

HASIL SAMPINGAN EKONONOMIS TAMBAK TRADISIONAL UDANG VANAME

PADA DAERAH EKOSISTEM MANGROVE DESA SURODADI KABUPATEN DEMAK

Ikhlash Kautsar Wahyu Utomo, Tita Elfitasari dan Dian Wijayanto ....................................... 145

STRUKTUR KOMUNITAS TUMBUHAN BAWAH HERBA DI HUTAN LINDUNG

PULAU PANJANG JEPARA JAWA TENGAH

Sri Utami, Sutrisno Anggoro, dan Tri Retnaningsih Soeprobowati ......................................... 149

OPTIMALISASI PROSES SAKARIFIKASI UNTUK PRODUKSI BIOETANOL DARI

LIMBAH PADAT INDUSTRI PATI AREN MENGGUNAKAN TRICHODERMA

VIRIDE BERBASIS ENZIM SELULASE ON-SITE

Rame, Nani Harihastuti, Silvy Djayanti .................................................................................. 153

PRODUKSI KARBON AKTIF HASIL PIROLISIS UNTUK PENJERNIHAN MINYAK

KELAPA MURNI BAGI MASYARAKAT PETANAHAN KEBUMEN

Rita Dwi Ratnani, Imam Syafaat, dan Helmy Purwanto ......................................................... 158

POTENSI CEMARAN ZN DARI BAN KARET DI PANTAI TERABRASI : SUATU UPAYA INTRODUKSI ACR (ARTIFICIAL CORAL REEF) DARI BAN BEKAS

Boedi Hendrarto, Jafron W Hidayat, Fuad Muhammad dan Munifatul Izzati ........................ 163

IDENTIFIKASI MAKANAN LOKAL SUMBER VITAMIN A AND SENG DI

DAERAH ENDEMIS MALARIA VIVAX DI KABUPATEN PURWOREJO

Sakundarno Adi, M.Arie Wuryanto ......................................................................................... 168

SEBERAPA BESAR ENERGI YANG DIPERGUNAKAN DALAM PENYEDIAAN

PRODUK KAYU GERGAJIAN BAGI MASYARAKAT SUATU DAERAH ?

(STUDI KASUS KOTA SOLOK, PROVINSI SUMATERA BARAT)

Feldy Jumairi, Aziz Nur Bambang, Jafron Wasiq Hidayat ..................................................... 173

DETEKSI PENCEMARAN AIR OLEH RESIDU ANTIBIOTIK OKSITETRASIKLIN

PADA PROSES PENGOBATAN PADA BUDIDAYA IKAN KAKAP PUTIH

(LATES CALCARIFER BLOCH)

Andrian Garbono, Sutrisno Anggoro, Henna Rya Sunoko ...................................................... 178

KAJIAN TINGKAT EMISI CO2 DARI PENGGUNAAN BAHAN BAKAR

SEKTOR TRANSPORTASI PADA RUAS JALAN UTAMA DI PUSAT KOTA PEMALANG

Elia Sawitri, Gagoek Hardiman dan Imam Buchori ................................................................ 182

ANALISIS DAYA DUKUNG AIR DAN UPAYA KONSERVASI DI KECAMATAN

RASANAE BARAT KOTA BIMA PROVINSI NUSA TENGGARA BARAT

Marta Shabran Kharja, Sutrisno Anggoro dan Budiyono Budiyono ....................................... 187

IDENTIFIKASI AWAL PENGELOLAAN SAMPAH RUMAH TANGGA

DI KOTA BANDUNG

Vita Rosmiati, Hadiyanto......................................................................................................... 192



viii

PENGELOLAAN LINGKUNGAN INDUSTRI PENGOLAHAN LIMBAH FILLET

IKAN DI KAWASAN PELABUHAN PERIKANAN PANTAI KOTA TEGAL

JAWA TENGAH

Tri Setyo Wibowo, P. Purwanto, Bambang Yulianto .............................................................. 197

SERTIFIKASI HUTAN SEBAGAI INSTRUMEN DALAM P

ERLINDUNGAN KEANEKARAGAMAN HAYATI (FLORA DAN FAUNA) PADA

PERUM PERHUTANI KPH KENDAL

Sri Sulistyowati ........................................................................................................................ 203

TOPIK II : TEKNOLOGI (Mesin, Elektro dan Teknologi informasi)

SISTEM IDENTIFIKASI JENIS TANAMAN OBAT MENGGUNAKAN TUJUH

INVARIAN MOMEN HU DENGAN JARAK CANBERRA

R. Rizal Isnanto, Oky Dwi Nurhayati ...................................................................................... 209

KAJIAN KERAMAHAN LINGKUNGAN ALAT TANGKAP DI TPI UJUNGBATU

DAERAH KABUPATEN JEPARA

Azis Nur Bambang dan Bambang Yulianto............................................................................. 215

PENGOLAHAN SINYAL GEOMAGNETIK SEBAGAI PRECURSOR GEMPA BUMI

DI REGIONAL LOMBOK DENGAN METODE FRAKTAL I Gusti Ayu Kusdiah Gemeliarini, Bulkis Kanata, Teti Zubaidah ........................................... 222

MACAM JENIS PENGAWETAN IKAN SECARA TRADISIONAL UNTUK

MEMBUKA PELUANG USAHA DALAM MENINGKATKAN EKONOMI MASYARAKAT

Dinar Isyana Syah Rani ........................................................................................................... 227

PENGELOMPOKAN TERJEMAHAN AYAT AL QURAN BAHASA INDONESIA

DENGAN ALGORITMA K-MEANS

Miftachur Robani, Mustafid dan Achmad Widodo ...................................................................................................

232

PEMODELAN RUNNER TURBIN CROSS FLOW DIAMETER 80 MM

UNTUK PEMBANGKIT MIKROHIDRO YANG RAMAH LINGKUNGAN

Purwanto .................................................................................................................................. 238

PERAN TEKNOLOGI DALAM MENDUKUNG AGRIBISNIS PEMASARAN

HASIL PERIKANAN

Iswaty Chasanah ...................................................................................................................... 245

MODEL MAKSIMISASI KEUNTUNGAN BUDIDAYA PEMBESARAN LELE (CLARIAS SP)

Dian Wijayanto, Faik Kurohman dan Ristiawan Agung Nugroho .......................................... 249

UPAYA PENCEGAHAN CEMARAN FISIKA DAN KIMIA PADA PRODUKSI

GARAM BRIKET HIGIENIS DENGAN SISTEM HACCP

Nilawati .................................................................................................................................... 255

HIDROLISIS ENZIMATIS PATI CASAVA DAN PATI GADUNG UNTUK

MEMPRODUKSI GULA REDUKSI PADA SUHU RENDAH

Hargono, Bakti Jos, Andri Cahyo Kumoro ............................................................................ 264



ix

DETEKSI DAN PENGGOLONGAN KENDARAAN DENGAN KALMAN FILTER DAN

MODEL GAUSSIAN DI JALAN TOL

Raditya Faisal Waliulu, Kusworo Adi, Vincencius Gunawan ................................................. 269

EFISIENSI PENGOPERASIAN KAPAL PURSE SEINE<50 GT

BERDASARKAN KONSTRUKSI DAN MESIN KAPAL IKAN DI DAERAH PATI

Aris Sunyoto, Indradi, Herry Boesono .................................................................................... 282

ANALISIS RESPON HIDROLOGI TERHADAP PENERAPAN TEKNIK

KONSERVASI TANAH DI DAS GARANG DENGAN MENGGUNAKAN MODEL

SWAT (SOIL AND WATER ASSESSMENT TOOL)

Imam Saifudin, Suripin dan Suharyanto............................................................................................................................

287

INFORMASI SEBARAN RESIDU KLORDAN DI LAHAN PERTANIAN DAERAH

ALIRAN SUNGAI (DAS) BRANTAS HULU KOTA BATU

Indratin, Poniman, dan Mulyadi .............................................................................................. 294

PENGARUH UKURAN BERAT MOLEKUL DAN KADAR SULFAT Κ -KARAGENAN

HASIL OZONASI TERHADAP AKTIVITAS ANTI BAKTERI COLIFORM

Aji Prasetyaningrum, Ratnawati, Bakti Jos, A. Gunadi dan A.J. Krisnanda ........................... 300

TEKNOLOGI PENANGGULANGAN RESIDU ENDRIN DI LAHAN PERTANIAN

BERBASIS TANAMAN PADI

Poniman, Indratin, san Anik Hidayah ...................................................................................... 308

PENYISIHAN AMMONIUM LIMBAH CAIR RUMAH SAKIT DENGAN

SUSPENDED AEROBIC REACTOR DAN FIXED BED REACTOR DENGAN

BIOBALL SEBAGAI MEDIA LEKAT BAKTERI

Sudarno, Heru Susanto, Haryono Setiyo Huboyo, Onny Setiani, Retno Wulan Septiani ....... 314

TOPIK III : SOSHUM DAN KESMAS (Sosial, Ekonomi, Perencanaan Wilayah, Agribisnis,

Kesehatan Masyarakat, Lingkungan,dll)

PEMANFAATAN TRADISI UNIK POSISI TIDUR “DIPUKUNG” UNTUK

PEMENUHAN KEBUTUHAN TIDUR BAYI PADA MASYARAKAT SUKU BANJAR

DI SAMARINDA KALIMANTAN TIMUR

Ratna Yuliawati, Maridi M Dirjo............................................................................................. 323

PREDIKSI PERKEMBANGAN LAHAN PERMUKIMAN TERHADAP

KERENTANAN BENCANA BANJIR DAN KEBAKARAN DI PERMUKIMAN

TEPIAN SUNGAI KAPUAS KOTA PONTIANAK

Ely Nurhidayati ........................................................................................................................ 326

POLA AKTIVITAS MASYARAKAT KAWASAN PINGGIRAN PERKOTAAN DALAM

PEMANFAATAN RUANG TERBUKA HIJAU

Eppy Yuliani, Al Aswad .......................................................................................................... 336

TRANSPORTASI EKOWISATA PANTAI, SUATU PENGELOLAAN DALAM

MELAKUKAN KEGIATAN EKOWISATA

Dhanar Syahrizal Akhmad ....................................................................................................... 340



x

FORMULASI KEBIJAKAN PERTAMBANGAN RAKYAT DI KABUPATEN

PEMALANG

Agus Harto Wibowo ................................................................................................................ 346

DINAMIKA PENGGARAPAN LAHAN HUTAN OLEH MASYARAKAT

(STUDI KASUS PERUM PERHUTANI BKPH KALIBODRI KPH KENDAL

Candra Musi, Sutrisno Anggoro, Sunarsih .............................................................................. 351

STRUKTUR KOMUNITAS HUTAN MANGROVE DI DESA PESANTREN

KAB. PEMALANG

Intan Aprilia, Boedi Hendrarto dan Munifatul Izzati ............................................................... 357

APLIKASI MODEL ACIIA DENGAN ANALISIS CRI PADA PERILAKU

KONSUMSI PRODUK ECO FRIENDLY DI JAWA TENGAH

Mustikaningrum Hidayati, Mohammad Agus Baharuddin ..................................................... 362

PENGEMBANGAN DAYA TARIK WISATA DI DESA CANDIREJO,

KABUPATEN MAGELANG

Janne Hillary dan Nurul Puspita .............................................................................................. 371

PERSEPSI KOMUNIKASI PERAWAT TERHADAP KEPUASAN PASIEN

(STUDI KASUS DI RSUD PETALA BUMI RIAU)

Hetty Ismainar, Hastuti Marlina, Merry Citra Amelia ............................................................. 376

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERMINTAAN BERAS

DI KABUPATEN KUDUS PROVINSI JAWA TENGAH

Zaenul Laily, Wahyu Dyah Prastiwi dan Hery Setiyawan ...................................................... 382

ANALISIS PERMINTAAN DAN KESEDIAAN MEMBAYAR KONSUMEN

(WILLINGNESS TO PAY) PADA TEH HIJAU CELUP DI KELURAHAN

KRATON KECAMATAN TEGAL BARAT KOTA TEGAL

Titik Pitaloka, Edy Prasetyo dan Bambang Mulyatno ............................................................. 387

ANALISIS EFISIENSI PEMASARAN JAMBU AIR DI DESA MRANAK

KECAMATAN WONOSALAM KABUPATEN DEMAK

Zakkiyatus Syahadah, Wiludjeng Roessali, Siswanto Imam Santoso ..................................... 391

KONDISI PERAIRAN TAMAN WISATA ALAM TELAGA WARNO TELAGA

PENGILON

Alexander Melat Aryasa, Azis Nur Bambang, Fuad Muhammad ........................................... 396

ANALISIS PERSEPSI DAN PARTISIPASI MASYARAKAT TERHADAP

KAJIAN EKOWISATA DI PULAU PANJANG, JEPARA, JAWA TENGAH

Abdul Malik, Fuad Muhammad dan Hartuti Purnaweni .......................................................... 400

STRATEGI PELAKSANAAN PROGRAM SANITASI LINGKUNGAN

BERBASIS MASYARAKAT (SLBM) DI KOTA BIMA

Arif Budiman, Henna Rya Sunoko dan Onny Setiani ..............................................................

408



xi

ANALISIS SWOT: STRATEGI IMPLEMENTASI KEBIJAKAN PENDIDIKAN

LINGKUNGAN MELALUI PROGRAM ADIWIYATA DI SMA NEGERI 2 PATI,

JAWA TENGAH, INDONESIA

Topo Budi Dhanarko, Hartuti Purnaweni, Kismartini ............................................................. 414

PENGARUH LUAS LAHAN TERHADAP PRODUKSI KAKAO DI KABUPATEN

LAMPUNG SELATAN

Catharina Martina Aryati, Jafron Wasiq Hidayat dan Fuad Muhammad ................................ 420

RENCANA PENGEMBANGAN MATA AIR UMBUL SIGEDANG DESA

PONGGOK KECAMATAN POLANHARJO KABUPATEN KLATEN SEBAGAI

KAWASAN EKOWISATA

Anom Guritno .......................................................................................................................... 425

ANALISIS KERUSAKAN LAHAN KAWASAN BENTANG ALAM KARST SUKOLILO

DI KABUPATEN GROBOGAN

Deasy Ratna Sari, Hartuti Purnaweni ....................................................................................... 429

MODEL INTEGRASI PENDIDIKAN KARAKTER ANTI KORUPSI BAGI SISWA

SEKOLAH DASAR

Rini Werdiningsih. ................................................................................................................... 433

LAMPIRAN : PUBLIKASI POSTER



269

DETEKSI DAN PENGGOLONGAN KENDARAAN DENGAN

KALMAN FILTER DAN MODEL GAUSSIAN DI JALAN TOL

Raditya Faisal Waliulu 1*

, Kusworo Adi 2, Vincencius Gunawan

3

1,2,3 Magister Sistem Informasi Universitas Diponegoro

2,3 Departemen Fisika Fakultas Sains dan MatematikaUniversitas Diponegoro

ABSTRACT

At this presents how to record a moving object and save as new video files (*.avi)

resolution 640x480, then stored in storage. Moving object given line ROI (Region of

Interest) to easily detected than filtering the moving objects (Vehicles) by using a

Gaussian Mixture Model (GMM) with 2 types of distribution, i.e. Bacground and

Foreground distribution. The shape of the foreground distribution is filtered by

morphological operations and segmented by using Bit Large Object (BLOB)

Segmentation to get the vehicle dimensions. Feature extraction results of these vehicles,

will be used as data organized for vehicles classification. The results of segmentation

BLOB used to kalman filter for counting moving object if segmentation BLOB doesn't

found object than continue the next frames. The last Result about these is detection system

will calculate for validation using True Positiv, True Negative, False Positive, and False

Negative looking for sensitivitas and spesifisitas each conditions dawn, afternoon and

dusk.

Keywords : Detection, Recognition, Kalman Filter, Gaussian Mixture Model

ABSTRAK

Dipaparkan teknik deteksi objek bergerak dalam bentuk file video tipefile (*.avi) yang

beresolusi 640x480 dan golongan citra sesuai luas piksel. Objek bergerak diberikan

lintasan ROI (Region of Interest) memudahkan pendeteksian. Kemudian obyek bergerak

difilter menggunakan Gaussian Mixture Model. Terdapat duaDengan dua jenis distribusi,

yaitu distribusi Background dan Foreground. Bentuk dari distribusi Foreground difilter

menggunakan segmentasi Bit Large Object (BLOB) untuk mendapatkan dimensi dari

kendaraan tersebut dan operasi morfologi. Hasil Ekstrasi ciri dari kendaraan tersebut

digunakan untuk penggolongan kendaraan berdasarkan dimensi piksel. Hasil Segementasi

BLOB digunakan Kalman Filter untuk menghitung pelacakkan posisi objek bergerak. Jika

segmentasi BLOB tidak ditemukan objek bergerak maka dilanjutkan pada frame

berikutnya. Hasil akhir deteksi sistem dihitung menggunakan validasi True Positif, True

Negatif, False Positif, dan False Negatif dengan mencari sensitifitas dan spesifisitas

masing-masing kondisi pagi, siang dan malam.

Kata Kunci : Deteksi, Penggolongan, Kendaraan, Kalman Filter, Gaussian Model

I. PENDAHULUAN

1.1 Latar Belakang

Saat ini kebutuhan sistem

pemantauan di berbagai sektor meningkat

dengan pesat. Semakin banyak sistem

pemantauan diterapkan untuk tujuan

peningkatan aspek keamanan dan

produktivitas. Penerapan pemantauan

selalu berdasarkan pada kebutuhan

pengawasan secara berkala dan merekam

segala aktivitas yang berlangsung di lokasi tersebut dengan harapan ketika

terjadi suatu hal kritis/penting, maka

dapat segera diketahui dan ditangani.

Sistem pemantauan menerapkan

deteksi objek bergerak, berbagai fasilitas

publik seperti bandara, stasiun, jalan

bebas hambatan (tol) hingga digunakan

pada rumah tinggal. Dipertimbangkan

karena bebagai macam aspek kebutuhan



270

untuk digunakan pada deteksi wajah

(Schneiderman & Kanade., 2004), dan

deteksi suhu panas (Anna, 2013) pada

pemeriksaan koper bandara. Sedangkan

penerapan sistem pemantauan untuk

aspek produktivitas sebagai contoh

diterapkan pada sektor manufaktur atau

industri dimana manajemen dapat

memonitor atau memantau aktifitas

produksi para pekerja/buruh,

mengkontrol instrumentasi proses dan

instalasi permesinan.

Mendeteksi objek beregerak

merupakan elemen penting dari berbagai

vision komputer. Tujuan dasarnya adalah

untuk menemukan atau identifikasi

sebuah objek dari kelas yang telah

ditetapkan dalam gambar statis atau

frame video. Terkadang hal ini dapat

dilakukan dengan mengekstraksi fitur

gambar tertentu, seperti tepi, daerah

warna, tekstur dan kontur. Setelah itu,

beberapa heuristik diterapkan untuk

menemukan konfigurasi dan/atau

kombinasi dari fitur-fitur karakteristik

dari objek yang satu ingin untuk

mendeteksi (Gon dkk, 2012). Dibutuhkan

sebuah teknik yang dinamis dan tidak

terikat pada bentuk gerak objek pada

background. Teknik ini hanya sementara

digunakan selayaknya spatio-temporal.

Seperti teknik spatio-temporal Gaussian

mixture model (STGMM) diterangkan

oleh Soh et al (Soh dkk, 2012). Setelah

extraction, sebuah filter nonlinear mampu

membantu deteksi posisi objek.

Kemudian, Kalman filter digunakan

untuk prediksi dan pembaruan lokasi

objek (Julier & Uhlmann, 2004).

Multiple object tracking sangat

penting bagi peneliti terutama topik

komputer vision. Mampu menangani

objek tunggal serta pergantian

pencahayaan background, gerak non rigid

dan kesulitan muliti deteksi saat antara

satu objek dan objek bergabung atau

menyatu (MacCormick & Blake, 1999).

Membenahi angka objek. (Tao dkk,

1999) Efisiensi algoritma mencari

multiple objek (Hue dkk, 2002).

Ditujukan bayesian tracker untuk

multiple tracking blob. Begitu banyak

algrotima tracking yang diusulkan pada

literatur, namun yang mencapai template

dan local fiture adalah kalman filter (Raja

dkk, 1998).

Objek detektor bertujuan

menemukan tiap wilayah pada gambar

yang berisi contoh objek. Begitu banyak

aplikasi objek deteksi yang menantang

karena akurasi tinggi dibutuhkan ketika

gambar dievaluasi pada kecepatan real-

time (Sun, 2006). Seperti pendeteksi

kendaraan, dimana salah satu kebutuhan

untuk memperingatkan pengemudi

tentang kemungkinan kecelakaan secepat

mungkin dan tugas pengawasan dimana

tiap video frame perlu diperiksa secara

real-time untuk memeriksa pencurian

(Viola dan Jones, 2001).

Kalman Filter metode bagian dari

state space (ruang keadaan) yang dapat

diterapkan dalam model prakiraan

statistik. Sesuai dengan (Wei, 2006),

metode ini menggunakan teknik rekursif

dalam mengintegrasikan data pengamatan

terbaru ke model untuk mengoreksi

prediksi sebelumnya dan melakukan

prediksi selanjutnya secara optimal

berdasarkan informasi data di masa lalu

maupun berdasarkan informasi data saat

ini.

Berdasarkan (Welch dan Bishop,

2001), konsep Kalman Filter terdiri dari

dua tahapan yakni peramalan dan

pembaharuan. Pada tahap peramalan,

dihasilkan nilai estimasi untuk keadaan

(state) di waktu sekarang dan nilai

kovarian error yang digunakan sebagai

informasi estimasi awal untuk langkah

selanjutnya. Tahap pembaharuan

berfungsi sebagai korektor. Pada tahap ini

dihasilkan pengukuran baru yang

didapat dari nilai estimasi awal. Setelah

kedua tahap terpenuhi, proses tersebut

akan berulang kembali dengan nilai

estimasi yang didapat dari tahap

pengukuran digunakan sebagai informasi

awal tahap peramalan yang kedua, begitu



271

seterusnya hingga didapat nilai yang

konvergen.

Perhitungan validasi menggunakan

tingkat True Positif, True Negatif, False

Positif, False Negatif untuk mendapatkan

keakuratan kondisi penggolongan dan

deteksi objek bergerak dijalan tol

berdasarkan sensitifitas dan spesifisitas

(Yadradj dan Ajay, 2013).

II. KERANGKA TEORI

Pada makalah ini akan dibahas

metode yang digunakan untuk

mendeteksi dan penggolongan kendaraan

dijalan tol salah satunya metode Gaussian

Mixture dan Kalman Filter.

3.1. Gaussian Mixture Model (GMM)

GMM adalah sebuah tipe density

model yang terdiri dari komponen

fungsi-fungsi Gaussian (Nicola dkk.,

2012) Komponen fungsi ini terdiri dari

Threshold yang berbeda untuk

menghasilkan multi-model density. Pada

penelitian ini GMM digunakan untuk

memodelkan warna-warna background

dari tiap piksel. Hasil adaptasi terhadap

perubahan yang terjadi dievaluasi melalui

proses update parameter Weight,

Standard Deviation, dan Means. Setiap

piksel dikelompokkan berdasarkan

distribusi yang dianggap paling efektif

sebagai model latar belakang. Semakin

besar nilai standar deviasi, semakin

lebar distribusi kernel Gaussian maka,

maka semakin kuat penghalusan yang

terjadi pada citra.

Menggunakan algoritma GMM

masih terlihat kurang sempurna, sehingga

masih terlihat ada beberapa sedikit noise

pada daerah sekitar obyek. Maka dari itu

perlu ditambahkan suatu filter untuk

menghilangkan noise disekitar obyek

berupa filter Morfologi dengan

menggunakan operasi Erosi, sehingga

ukuran dimensi hasil segmentasi yang

didapat mendekati ukuran yang

sebenarnya.

3.2. Operasi Morfologi

Pengujian menggunakan Operasi

Erosi bertujuan untuk memperhalus

bentuk dari distribusi Foreground.

Sehingga didapat fitur obyek mendekati

dengan fitur obyek yang sebenarnya.

Hasil filter morfologi terhadap noise

dari sebuah distribusi foreground dengan

menggunakan filter erosi yang bertujuan

untuk memperkecil bentuk dimensi

kendaraan agar mendekati dengan

ukuran sebenarnya, sekaligus

mengurangi gerakan-gerakan kecil yang

sekiranya tidak perlu untuk

disegmentasi. Meskipun hasil tidak

terlihat bersih sepenuhnya, namun

kondisi ini sudah cukup baik untuk

proses segmentasi.

3.3. Objek Filter

Pada penelitian ini objek filter

mengguanakan Metode Gaussian Mixture

Model, membedakan bagian background

dan foregorund, proses mengenali

foreground untuk membandingkan objek

frame video ke dalam background.

Namun, metode ini tidak selalu

beradaptasi dengan perubahan

lingkungan seperti gangguan bayangan

objek dan refleksi benda. Maka, dari itu

ditambahkan fitur Morfologi sehingga

segmentasi didapat mendekati ukuran

sebenarnya.

3.4. Segmentasi BLOB

Threshold pada segementasi Blob

ditentukan oleh batas nilai area minimal

dan area maksimal, selain itu tidak akan

dilakukan disegmentasi.

(4)

Setiap piksel yang tergabung pada

area Blob mempunyai nilai logika yang

sama, suatu setiap piksel yang tergabung

pada area Blob kan dianggap sebagai

Foreground. Sedangkan piksel yang lain

akan dianggap sebagai Background

dengan memiliki nilai logika 1.



272

3.5. Kalman Filter

kalman filter terbagi menjadi dua

state, prediksi dan koreksi.

Kalman filter digunakan

memprediksi keadaan dari linear sistem

dimana keadaan tersebut di asumsikan

oleh metode Gaussian. Kalman Filter

terdiri dari 2 langkah, prediksi dan

koreksi. langkah prediksi digunakan pada

state model untuk memprediksi keadaan

baru pada variable.

(6)

Di mana suatu state dan prediksi

kovarians pada saat t. D adalah state

matriks transisi yang mendefinisikan

hubungan antara variabel state.

waktu t dan t - 1. Q adalah kovarians

dari kesalahan atau bobot W. Demikian

pula, langkah koreksi menggunakan

pengamatan saat ini untuk memperbarui

keadaan objek:

(7)

M adalah perhitungan matrix, K

adalah bobot kalman. Catatan, state yang

baru, didistribusikan oleh Gaussian.

Kalman Filter, diasumsikan kalman filter

adalah state yang di distribusikan oleh

Gaussian.

3.6. Validasi Penggolongan

Hasil data citra yang dihitung

menggunakan tingkat sensitifitas dan

spesifisitas. Sensifitas, menghitung

tingkat positif dimana rasio kesalahan

ditemukan pada penggolongan.

Sedangkan Spesifisitas, menghitung

tingkat negatif dimana penggolongan

kendaraan yang tidak salah sesuai

penggolongan. Berikut persamaan yang

di jabarkan.

Sensitifitas didapatkan dari True

Postive. True Positive ditemukan pada

rasio.

total :

(8)

Spesifitas didapatkan dari True

Negative, kemungkinan pengelompokan.

(9)

III. METODE PENELITIAN

3.1 Prosedur Penelitian

Prosedur penelitan dari Input video,

deteksi kendaraan hingga penggolongan

menggunakan metode kalman filter dan

Gaussian berikut :

Gambar 3. 1 Prosedur Penelitian

Berikut tahapan ini dapat dijelaskan

secara rinci sebagai berikut :

a. Penentuan Tujuan Penelitian

Pada tahapan ini, peneliti melakukan

pengumpulan data-data untuk

mendapatkan informasi dan teori melalui

jurnal, literatur ilmiah, dan karya-karya

ilmiah yang telah teruji kebenarannya

mengenai Penerapan Kalman Filter dan

Gaussian Mixture Model.

b. Analisa Kebutuhan Sistem

Setelah mendefinisikan masalah dan

tujuan, sekarang pada analisa kebutuhan

sistem. Tujuan penelitian melakukan

observasi dengan objek penelitian

kendaraan sebagai sampel untuk

mendapatkan hasil permasalahan yang

nyata dan data-data pendukung

penelitian. Pengambilan data sampel akan

dianalisis, dan diolah pada Kalman filter

dan Gaussian Mixture Model.



273

c. Tahapan Implementasi

Pada tahapan ini, dilaksanakannya

penerapan sistem yang sudah jadi dan

kemudian melakukan testing terhadap

sistem dengan menggunakan data

rekaman video yag sudah dikumpulkan

sebelumnya. Setelah itu,dianalisis bahwa

dari hasil simulasi yang dilakukan sudah

sesuai dengan tujuan penelitian apa tidak.

Jika sudah sesuai akan dilanjutkan ke

tahapan kesimpulan.

d. Tahapan Kesimpulan

Tahapan ini mengambil kesimpulan

yang didapat dari tahapan implementasi.

3.2 Kerangka Sistem

Kerangka sistem deteksi dan

penggolongan digambarkan pada gambar

3.2. Sesuai dengan algroitma Kalman

filter dan Gaussian Mixture Model.

Gambar 3. 2 Skema Kerangka

Sistem Informasi

Pada gambar 3.2, menjelaskan

tujuan untuk mentransformasikan

kebutuhan-kebutuhan sistem yang

dilakukan pada tahap analisis kebutuhan

sistem kepada sistem model yang akan

dibangun nantinya. Tahapan perancangan

sistem mendesain aliran kerja sistem dan

merancang pemrograman yang

diperlukan dalam pembangunan sistem

informasi. Alur kerja sistem dimulai

dengan menentukan masukan,

penyimpanan, pemrosesan, dan keluaran.

IV. HASIL DAN PEMBAHASAN

4.1 Hasil Penelitian

Selanjutnya Untuk mendapatkan

hasil ekstraksi ciri dari suatu objek

kendaraan dilakukan perhitungan

terhadap besar jumlah piksel yang ada

pada suatu bentuk citra. Besar piksel

yang didapat akan digunakan sebagai

data ekstraksi ciri. Dimana data tersebut

mencerminkan informasi seperti panjang

kendaraan dan lebar kendaran. Kalman

filter, mendeteksi gerakan objek jika

terdapat objek maka dilakukan

segementasi melalui Gausian Mixture

Model yang nantinya akan digunakan

untuk thershold dan perhitungan.

4.2 Pembahasan

Penerapan metode Kalman Filter

dan Gaussian Mixture Model dalam

program ini digunakan untuk mendeteksi

dan penggolongan kendaraan dari frame

dalam sebuah video yang di ekstrak dan

diuji tiap framenya. Deteksi kendaraan

dalam program ini, sebuah frame diambil

diujikan melalui kalman filter yang

memiliki dua tahap kerja pertama

memprediksi objek yang memasuki ROI,

setelah itu pada frame berikutnya tahap

koreksi agar tidak dihitung 2 objek

dengan frame yang berbeda maka tahap

koreksi melakukan perhitungan dengan

lintasan pada frame sebelumnya.

Kemudian proses selanjutnya oleh

Gaussian Mixture, melakukan segmentasi

dan memperoleh dimensi kendaraan yang

digunakan untuk penggolongan

kendaraan.

Data uji yang digunakan pada

penelitian ini adalah data rekam

dijembatan jalan tol ketinggian 6 meter,

kamera Pocket Sony tingkat zoom 4,1.

Kulitas rekam 640x480 px filetype Avi.

Berlokasi dijangli, Tembalang, kota

Semarang, Jawa tengah dengan



274

kordinat titik gps (-7.024877,

110.433334). Data rekam yang di ambil

selama lima menit. Diuji dengan semenit

pertama dan empat menit terakhir,

dengan total lima menit.

4.2.1 Proses Pengambilan Citra

Pengambilan ditunjukkan pada

gambar 4.1, citra diambil dijalan Grand

Candi Golf Semarang dengan kamera

Sony 20 Megapixel dengan zoom 4.1

resolusi 640 x 480 px.

Gambar 4. 1 Proses Pengambilan Citra

Pada Gambar 4.1, pemasangan

kamera pengambilan citra dilakukan

diatas jembatan penyebrangan dengan

ketinggian 6 meter, gambar 4.2 dibawah

berikut pengambilan citra.

Gambar 4. 2 Contoh citra jalan kosong

4.2.2 Proses Pendeteksian

Pada Gambar 4.3, Pendeteksian

dengan Kalman Filter dan Gausian

Mixture Model. Dimulai dengan Input

video (a), (b) lalu dilakukan greyscale (c),

threshold (d) pada penghalusan threshold

di ambil gerak benda dengan cara

segmentasi dan akhirnya didapatkan

evaluasi (f). Dilustrasi sebagai berikut :

Gambar 4. 3 (a) citra jalan input dari

video, (b) preprossing, (c) citra grayscale,

(d) citra di segmentasi kemudian di

operasikan morfologi, (e) hasil akhir.

Tabel 4. 1 Pengambilan Waktu Data Citra

Kondisi detik Frame

Pagi

(9:00) 60 1438

300 7192

Siang

(15:00) 60 1438

300 7188

Malam

(20:00) 60 1439

300 7188

Terjadinya perbedaan frame karena

bukan merupakan frame accurate artinya

tidak semua frame terdeteksi pada file

audio dan pada akhirnya hanya frame-

frame yang terdeteksi saja yang akan di-

encode. Frame-frame yang hilang ini bisa

menyebabkan async audio, meskipun

mestinya sangat halus dan tidak terasa

(frame yang hilang biasanya tidak akan

sampai 1% dari total frame).

4.2.3 Pengujian Metode / Error

Pada pengujian video didapatkan

data yang dibagi menjadi tiga kondisi

diantaranya : Pagi, Siang, Malam. Tiap

kondisi tersebut dibagi kembali menjadi

tiga waktu semenit, lima menit, dan

sepuluh menit. Tiap pembagian hal



275

tersebut setelah ditinjau lebih lanjut

mendapatkan hasil yang signifikan

terhadap pengujian video yang dilakukan.

Berikut informasi yang didapatkan dari

hasil perekaman video yang dilakukan

dilapangan.

Tabel 4. 2 Informasi Pengujian Kondisi dtk Jumlah

frame

Deteksi error Jumlah

kendaraan

pagi 60 1438 21 4 29

300 7192 98 22 120

siang 60 1438 17 4 22

300 7188 86 28 114

malam 60 1439 4 0 4

300 7188 23 20 43

Tabel 4. 3 Uji Citra True Positive, True

Negative, False negative dan False

Negative Frame TP TN FP FN TOTAL

1438 24 0 0 5 29

7192 73 12 0 35 120

1438 17 0 0 5 22

7188 77 8 0 31 114

1439 4 0 0 0 4

7188 23 5 5 10 43

Pada perhitungan validasi, hasil data citra

yang didapatkan dihitung menggunakan

tingkat sensitifitas dan spesifisitas .

Sensitifitas didapatkan dari True Postive.

True Positive ditemukan pada rasio yang

ditunjukkan pada table 4.4.

Tabel 4. 4 Tabel Sensitifitas dan

Spesifisitas

Kondisi Sensitifitas Spesifisitas

pagi 68% 100%

Siang 72% 100%

Malam 52% 50%

4.2.4 Penggolongan Kondisi Pagi Pengolongan Pagi dimulai jam 9.00

wib diambil data pada satu menit pertama

atau jumlah 1438 frame, didapatkan

dimensi kendaraan sesuai pada table 4.5.

Tabel 4. 5 Penggolongan Pagi



276

Dimensi kendaraan kondisi pagi,

Dari citra kendaraan yang didapatkan

dibuat rentang penggolongan dari

golongan satu hingga golongan lima,

diberikan variabel x untuk range

penggolongan seperti terlihat di tabel 4.6.

Tabel 4. 6 Rentang Golongan Kondisi

Pagi Dimensi

Golongan 1 0 ≤ Dimensi < 30000




Golongan 5 - Dimensi ≥ 1000000

4.2.5 Performa Sistem Kondisi

Cahaya Pagi

Performa Sistem Kondisi Pagi.

Berikut penyajian data citra yang diambil

dalam bentuk histogram dan

forgroundmask, ditunjukkan pada gambar

4.4.

(a).Foregroundmask

pagi

(b).Histogram pagi

(c). Citra Pagi

Gambar 4. 4 Performasi Sistem Pagi

Dengan kondisi pagi yang terlihat

pada Gambar 4.26, sistem bekerja

maksimal identifikasi deteksi kendaraan

dan penggolongan. Data histogram di

tunjukkan pada sumbu x diatas 100,

dengan katalain citra gambar cerah dan

terang.

4.2.6 Penggolongan Kondisi Siang

Pengolongan Siang dimulai jam

15.00 wib diambil data pada satu menit

pertama atau jumlah 1438 frame,

didapatkan dimensi kendaraan sesuai

table 4.7.

Tabel 4. 7 Penggolongan Kondisi Siang



277

Dimensi kendaraan kondisi siang,

dari citra kendaraan terdapat bayangan

yang menempel pada mobil. Hal ini

membuat bayangan sulit untuk

dihilangkan sehingga pada siang hari

dimensi lebih besar dari pagi. Rentang

penggolongan dari golongan satu hingga

golongan lima, diberikan variabel x untuk

range penggolongan seperti terlihat di

tabel 4.8.

Tabel 4. 8 Rentang Golongan Kondisi

Siang Dimensi





Golongan 5 Dimensi ≥ 1000000


Cahaya Siang

Performa Sistem Kondisi Siang.

Disajikan seperti gambar 4.5, data citra

yang diambil dalam bentuk histogram

dan forgroundmask.

Gambar 4. 5 Performasi Sistem Siang

4.2.8 Penggolongan Kondisi Malam

Penggolongan malam dimulai jam

20.00 wib diambil data pada satu menit

pertama atau jumlah frame 1439 frame,

didapatkan dimensi kendaraan seperti

ditunjukkan pada table 4.9.

(a) Foreground Siang

(b) Histrogram Siang

(c) Citra Siang



278

Tabel 4. 9 Penggolongan Kondisi Malam Kondisi Gambar Dimensi Golongan

Malam

60264 1

Kondisi malam deteksi kendaraan,

dari citra kendaraan tidak terdapat

bayangan yang menempel pada mobil.

Namun, background (jalan) yang gelap

didukung dengan kondisi cahaya yang

minim membuat deteksi ini sulit untuk

dilakukan. Sehingga background dan

foreground terlihat sama yaitu gelap.


Cahaya Malam

Performa Sistem Kondisi Siang

disajkan seperti gambar 4.6, data citra

yang diambil dalam bentuk histogram

dan forgroundmask.

(a) Foreground Malam

(b) Histogram

Malam

(c) Citra Malam

Gambar 4. 6 Performasi Sistem malam

Dengan kondisi malam yang terlihat

pada Gambar 4.28, sistem bekerja kurang

maksimal identifikasi deteksi kendaraan

dan penggolongan tidak tepat. Data

histogram di tunjukkan pada sumbu x

dibawah 100, dengan kata lain citra

gambar

V. KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil penelitian yang

dilakukan menggunakan metode Kalman

Filter dan Gaussian Mixture Model untuk

deteksi dan penggolongan kendaraan

diperoleh kesimpulan, sebagai berikut.

Berdasarkan semua hasil pengujian

yang dilakukan, pencahayaan sinar

matahari pada siang hari dapat

menimbulkan bayangan kendaraan pada

badan jalan, sehingga dapat

mempengaruhi dalam menentukan

dimensi kendaraan baik panjang

kendaraan maupun lebar kendaraan.

Dikarenakan bayangan tersebut berubah

bentuk dan bergerak secara terus

menerus sehingga bayangan tersebut

mengganggu foreground yang dihasilkan.

Pengambilan data video pada

malam hari dengan pencahayaan lampu

jalan, hanya kendaraan yang berwarna

cerah yang dapat terdeteksi dengan baik.

Sedangkan kendaraan dengan warna

gelap tidak dapat terdeteksi dengan

sempurna. Hal ini disebabkan karena

pada saat proses filter dengan GMM



279

warna foreground yang dihasilkan

mirip dengan warna background.

Tingkat kerapatan jumlah

kendaraan yang bergerak dapat

mempengaruhi proses segmentasi dan

dimensi kendaraan sehingga akan

berpengaruh pula pada proses

penggolongan, dikarenakan bayangan

objek yang berdekatan akan

membentuk satu objek foreground.

5.2 Saran

Saran yang dapat diberikan pada

penelitian selanjutnya agar penelitian ini

dapat diperbaiki atau dikembangkan :

1. Perlu dilakukan pendeteksian

kendaraan pada keadaan malam hari

atau minim pencahayaan.

2. Perlu dilakukan deteksi objek

kendaraan yang bergerak cepat.

3. Perlu mengoptimalkan objek

kendaraan yang masuk dalam daerah

ROI secara bersamaan, mencegah

dianggap satu objek yang melewati.

4. Algoritma ini belum dapat mengenali

jenis kendaraan secara sepesifik

berdasarkan merek. Hal ini

disebabkan karena ada beberapa jenis

mobil memiliki variabel yang sama.

5. Glare yang terjadi pada kaca mobil

terhadap cahaya matahari

menyebabkan dimensi lebar

kendaraan menjadi lebih panjang

pada citra threshold.

6. Sistem ini masih perlu

dikembangkan lebih lanjut, sehingga

kelak mampu memberikan hasil

yang lebih baik dalam mendeteksi

jenis dan jumlah kendaraan yang

lebih akurat untuk mencapai

Intelligent Transport System.

DAFTAR PUSTAKA [1] Adikari, P.A., Yoo, Hyeon-joong.,

dan Hyongsuk, K., "Realtime On-

Road Vehicle Detection with Low-

Level Visual Features and Boosted

Cascade of Haar-Like Features",

Journal of Institute of Control,

Robotics and Systems 17(1):17-21

(2011).

[2] Gąszczak, A., Breckon,T.P., Han,

J., "Real-time people and vehicle

Detection from UAV Imagery",

Intelligent Robots and Computer

Vision XXVIII: Algorithms and

Techniques, Proc. of SPIE-IS&T

Electronic Imaging, SPIE Vol.

7878 - 78780B (2015).

[3] Greggio, N., Bernardino, A.,

Laschi, C., Dario, P., dan Santos-

Victor, J., "Fast Estimation of

Gaussian Mixture Models for

Image Segmentation", Machine

Vision And Applications, Volume

23 Issue 4, 2012, pp 773-789.

[4] Hue,C., Le Cadre,J.P dan Perez, P.,

"Tracking multiple objects with

particle filtering, Report Research",

INRIA, Rennes, 2000.

[5] Julier, S. J. dan Uhlmann, J. K.,

"Unscented Filtering and Nonlinear

Estimation", Proceeding of the

IEEE, Vol 92, No.3, March 2004,

pp. 401–422.

[6] Kisacanin, B., "Integral Image

Optimizations for Embedded

Vision Applications", Proceedings

of IEEE Southwest Symposium on

Image Analysis and Interpretation,

Santa Fe, 2008, pp. 181-184.

[7] MacCormick, J.P dan Blake, A., "A

probabilistic exclusion principle for

tracking multiple objects",

International Journal of Computer

Vision, August 2000, Volume 39,

Issue 1, pp 57–71.



280

[8] Meena, Y., dan Mittal, A., "Blobs

and Cracks detection on Plain

Ceramic Tile Surface",

International Journal of Advance

Research in Computer Science and

Software Engineering, Vol.3 Issue

7, India, 2013, pp 647-652.

[9] Miller, R., Sun, Z., dan Bebis, G.,

"On Road vehicle Detection", IEEE

Transactions on Pattern Analysis

and Machine Intelligence, vol. 28

Issue 5, May 2006, pp. 694-711.

[10] Oren, M., Papageorgiou, C., Sinha,

P., Osuna, E., dan Poggio, T.,

"Pedestrian detection using wavelet

templates", Proceedings of IEEE

Conference on Computer Vision

and Pattern Recognition, 1997, pp.

193-199.

[11] Raja, Y., McKenna, S.J dan Gong,

S., "Segmentation and tracking

using color mixture model",

Proceeding Asian Conference on

Computer Vision, Hong Kong,

1997, Volume I, pp 607-614.

[12] Rojas, J., dan Crisman, J., "Vehicle

Detection in Color Images",

Proceeding of IEEE Conference

Intelligent Transportation, Vol. 20,

No. 6 Boston, November 1997, pp

403 - 408.

[13] Schneiderman, H., Hoiem, D.,

Sukthankar, R., dan Huston, L.,

"Object-based image retrieval using

the statistical structure of images",

Proceedings IEEE computer society

conference on Computer vision and

pattern recognition, Vol.2.

Washington, June 2004, pp 490-

497.

[14] Soh, Y.S, Hae, Y.S. dan Kim, I.,

"Spatio-temporal gaussian mixture

model for background modeling",

IEEE International Symposium on

Multimedia (ISM), 2012, pp. 360-

363.

[15] Subashini, P., Krishnaveni, M dan

Singh, V., 2011, "Implementation

of Object Tracking System Using

Region Filtering Algorithm based

on Simulink Blocksets",

International Journal of

Engineering Science and

Technology (IJEST), Vol. 3, No. 8,

(2011), August, pp. 6744-6750,

ISSN:0975-5462.

[16] Sun, Z., Bebis, G., dan Miller, R.,

"On-road vehicle detection: a

review", IEEE Transactions on

Pattern Analysis and Machine

Intelligence, Vol. 28, No. 5, 2006,

pp 694-711.

[17] Tao, H. Sawhney H.S dan Kumar,

R., "A sampling algorithm for

tracking multiple objects",

International Workshop on Vision

Algorithms Corfu, Greece,

September 21–22, 1999

Proceeding.

[18] Viola, P. dan Jones, M.J., "Rapid

object detection using a boosted

cascade of simple features", in:

CVPR '01: Proceedings of the

Conference on Computer Vision

and Pattern Recognition, Los

Alamitos, CA, USA, 2001, pp. 511-

518.

[19] Wei, Y dan Jun, S., On Estimation

and prediction for Multivariate

Multiresolution Tree-Structured

Spatial Linear Models, Statistica

Sinica, 2006, pp-981-1020.

[20] Welch, G dan Bishop, G., Kalman

Filter. in : Ikeuchi, K. (Eds.),

Computer Vision A Reference

Guide, Springer, New York, 2014,

pp.435-437.

[21] Xuezhi, W., dan Ling, S., "Efficient

Feature Selection and Classification

for Vehicle Detection", IEEE

Transactions on Circuits and

Systems for Video Technology,

Vol 25, Issue 3, September 2015,

pp 508 – 517.



281

[22] Yadraj, M dan Ajay, M., "Blobs

and Cracks detection on Plain

Ceramic Tile Surface",

International Journal of Advance

Research in Computer Science and

Software Engineering. India, 2013.

prosiding seminar nasional hasil-hasil penelitian ...raditya faisal waliulu 1*, kusworo adi 2,...

Documents